1.一种基于特征显著性评价的口腔模型点云精简方法，其特征在于，包括以下步骤：利用点云降采样法对获取的口腔模型原始点云进行降采样，并通过建立对应的拓扑关系搜索每个点云的多个近邻点；

利用主成分分析法计算出点云法向量和多个特征衡量因子，并根据点云分布性质提取出边缘点云集和特殊点云集；

根据所述特征衡量因子构建对应的评价公式，并将计算出的特征突出值与简化阈值进行比较，提取出对应的特征点；

基于非特征点云构建包围盒，并利用栅格法和八叉树的混合剖分法对所述包围盒进行空间剖分，得到多个子立方体，其中，所述非特征点云包括特征点云集和除提取出所述特征点后的点云；

基于计算出的点云简化因子对所述非特征点云进行精简，直至所有所述子立方体遍历完成后，与所述边缘点云集和特征点集进行拼接合并，得到对应的三维点云合集；

根据所述特征衡量因子构建对应的评价公式，并将计算出的特征突出值与简化阈值进行比较，提取出对应的特征点，包括：基于曲率、平均投影距离和平均空间距离构建特征评价公式，并根据所述特征衡量因子对应的控制参数计算出对应的特征突出值，其中，特征评价公式为：f(p)为特征显著性值的表达符号；cp为曲率，ip为平均投影距离，dp为平均空间距离，αβ都是小于0大于1的因子，两者相加之和一定等于1；

基于所述特征突出值构建对应的直方图；

基于设定的简化阈值对所述直方图进行划分，提取出对应的特征点，将大于所述简化阈值的点云作为特征点。

2.如权利要求1所述的基于特征显著性评价的口腔模型点云精简方法，其特征在于，基于非特征点云构建包围盒，并利用栅格法和八叉树的混合剖分法对所述包围盒进行空间剖分，得到多个子立方体，包括：基于非特征点云构建对应的包围盒，并计算出对应的长、宽、高；

利用栅格法对所述包围盒进行均匀划分，并对得到的每个栅格内是否包含点云数据进行判断；

若包含点云数据，则对对应的所述栅格进行标记，并利用八叉树法进行剖分，得到对应的子立方体。

3.如权利要求2所述的基于特征显著性评价的口腔模型点云精简方法，其特征在于，若包含点云数据，则对对应的所述栅格进行标记，并利用八叉树法进行剖分，得到对应的子立方体，包括：若所述栅格包含所述点云数据，则利用所述包围盒的表面积计算出对应的点云密度和栅格边长；

若所述点云数量大于或等于剖分阈值，则利用八叉树法对所述栅格进行剖分，直至所述点云数量小于所述剖分阈值，得到对应的子立方体，其中，所述点云数量为所述点云密度与所述栅格边长平方的乘积。

4.如权利要求1所述的基于特征显著性评价的口腔模型点云精简方法，其特征在于，基于计算出的点云简化因子对所述非特征点云进行精简，直至所有所述子立方体遍历完成后，与所述边缘点云集和特征点集进行拼接合并，得到对应的三维点云合集，包括：计算每个所述子立方体的第一平均曲率值和非特征点云的第二平均曲率值，并基于设定的点云降采样规则，得到对应的点云简化因子；

计算出所述子立方体内的点云分布重心的位置坐标，并根据所述位置坐标，计算出所述子立方体内每个点云到所述位置坐标之间的空间距离，即点云降采样位置；

根据对应的所述点云简化因子，对所述点云降采样位置上对应数量的所述非特征点云进行降采样。

5.如权利要求4所述的基于特征显著性评价的口腔模型点云精简方法，其特征在于，计算每个所述子立方体的第一平均曲率值和非特征点云的第二平均曲率值，并基于设定的点云降采样规则，得到对应的点云简化因子，包括：计算每个所述子立方体的第一平均曲率值和非特征点云的第二平均曲率值，并判断所述第一平均曲率值和所述第二平均曲率值的比值；

若所述第一平均曲率值大于或等于所述第二平均曲率值，则得到第一点云简化因子；

若所述第一平均曲率值小于所述第二平均曲率值，则得到第二点云简化因子。

6.如权利要求5所述的基于特征显著性评价的口腔模型点云精简方法，其特征在于，根据对应的所述点云简化因子，对所述点云降采样位置上对应数量的所述非特征点云进行降采样，包括：若所述点云简化因子为所述第一点云简化因子，则对所述点云降采样位置上第一数量个的所述非特征点云进行降采样；

若所述点云简化因子为所述第二点云简化因子，则对所述点云降采样位置上第二数量个的所述非特征点云进行降采样。